docs: 代理层方案增补 + 语义分析器与三级分级执行方案入库（T-G0 准备）

AI代理功能开发/方案_校园AI代理层.md

@@ -240,7 +240,49 @@ E1 验证；与客户端同运行时同打包，不破坏"干净环境 20 分钟
 本地层 token 占比成为吞吐瓶颈。推理引擎是可替换端点而非架构承诺；D1（只捆绑 llama.cpp
 上游二进制）约束客户端分发件，不限制服务端池子的上游类型。
 
-## 7. 与毕业设计主命题的关系
+## 7. 方向评估：AI 网关 + 学习型路由（5000–20000 人情景，2026-09-05）
+
+**结论**：2 万规模下难度路由从"省钱优化"升级为"容量必需"——纯云配额/峰值撑不住，
+客户端舰队（学生本机 llama.cpp）即分布式本地推理层，容量随用户线性增长；
+路由是把流量分配给该容量池的调度器。日请求 7–15 万、突发 50–150 req/s，
+网关单进程（D-P9）经预算重测仍可承载。
+
+**共享 Embedding 底座 = 网关语义服务化**：`/v1/embeddings`（llama-server 挂 BGE-m3 /
+Qwen3-Embedding-0.6B，0.6B 短文本 ~15ms，CPU 即可）+ `/v1/route`（难度/域/建议路径）。
+客户端路由决策同调此 API → 全校一套 Embedding/分类器/策略，改进一次全校生效。
+同一底座喂养：语义缓存 L2 升级（T-P6 预留 M3 选项）、RAG 分块、滥用检测、审计抽样。
+
+**难度分级的路线修正（关键）**：不预测文本固有难度（弱信号，《The Routing Plateau》），
+**预测升级概率**——标签由网关结果观测自动产生（本地答→验证过→"本地可答"），
+v2 验证器 + 审计队列即标签工厂；阈值用 Conformal Cascade（调研文献 2607.25018）校准，
+控制 P(需升级|路由本地) ≤ α（教育场景保守优先）。分类器两步走：线性探针（numpy，微秒级）
+起步 → 线性不够再上 LoRA heads（注意：per-request LoRA 需 vLLM——即上一节 vLLM 条件启用的
+触发项之一，专职分类服务实例）；E-G2 实验裁决（AUC 对比）。
+
+**语义分析器与执行逻辑映射（2026-09-05 澄清定稿）**：共享 Embedding 底座 + 轻量分类器（LoRA 可选）
+= **语义分析器**（独立组件），职责 = 输出任务难度档位 → 档位选择**执行逻辑**（而非只选模型）：
+简单 → 本地小模型直答；复杂 → 完整四阶段管线（云大模型理解 = Architect.brief → 本地大模型构建+检测
+= WorkerLoop → 云大模型解决检测出的问题 = issues/decide 升级回路 → 云端大模型检查代码 = final_review）
+——即已实现的 v2 CollaborativePipeline，语义分析器是其**入口分流器**（升级现有快路径启发式判定；
+本地进程内直调，客户端/代理经网关 `/v1/route`，三方共用）。建议三档：简单/中等/复杂——
+中等 = 单次云端（或本地大模型）直答，跳过四阶段管线的 3 次云端往返（帕累托中段是流量大头，
+该档分流效率决定整体经济性）；置信度不足默认中等。难度标签 = 管线充分性观测
+（"简单 = 本地直答验证通过且无升级"），与上文升级概率预测同一定义；误分级非对称已由
+升级回路兜底（简单→失败→升级；复杂→多付一次 brief，方向安全）。
+**执行版**：《实施方案_语义分析器与三级分级.md》（T-G0–G8，三级规格/DDL/接口/晋升门，约 11 工作日）。
+
+**2 万规模网关补强**：hnswlib 按课程桶分区 ANN（sqlite 全表扫到顶）；账本 100ms 批量刷盘；
+降级阶梯写死（Embedding 挂→退 n-gram+规则；分类器挂→保守全云）；T-P8 预算按 2 万口径重测。
+
+**分阶段（每步独立有用）**：0 代理+缓存（T-P0..P8）→ 1 `/v1/embeddings` 只采集不决策
+→ 2 线性 head shadow mode（预测不动流量，比对一致率）→ 3 正式路由+conformal 校准+升级回路
+（复用 v2 验证器/审计队列；用户可见"端侧/云端"来源 + 一键升级重答）→ 4 可选 LoRA（vLLM）。
+
+**与主命题的关系（叙事闭环）**：v1 规则路由（74.4% 失败教训）→ v2 端云协作（核心系统）→ 平台级学习型路由回归
+（真实流量 + 结果标签 + 共形校准 + 生产验证器）。
+**守门线**：① 结果驱动标签，不用文本难度；② shadow 先行 + 降级阶梯；③ conformal 保守阈值保教育质量。
+
+## 8. 与毕业设计主命题的关系
 
 不改变已定命题《基于端云协同的编程智能体系统设计与实现》。本方向作为扩展章/答辩亮点：
 **代理层 = 端侧基础设施的规模化形态**（从单机端侧到校园级端侧），核心贡献是